CPU比GPU重要！視頻轉(zhuǎn)碼加速對(duì)比測試
泡泡網(wǎng)CPU頻道9月4日 一直以來，電腦中處理數(shù)據(jù)、信息的核心單元都是CPU，這已經(jīng)是一個(gè)基本常識(shí)。然而最近幾年來NVIDIA開始顛覆這個(gè)定律。自07年G80時(shí)代開始，NVIDIA便開始推廣一項(xiàng)技術(shù)——CUDA。這也標(biāo)志著GPGPU計(jì)算時(shí)代的到來。
CUDA是一項(xiàng)基于C語言的程序接口，其主要意義在于利用GPU強(qiáng)大的并行處理能力，協(xié)助CPU進(jìn)行計(jì)算。自CUDA發(fā)布以來，技術(shù)的逐漸成熟和NVIDIA用心的推廣，使得其在醫(yī)療、物理、金融、化學(xué)等領(lǐng)域的特殊模擬運(yùn)算中得以大展身手。
NVIDIA宣稱GPU的處理能力是CPU的幾十倍甚至上百倍
而在個(gè)人用戶方面，CUDA的主要運(yùn)用在視頻編碼、解碼處理。涉及到的具體應(yīng)用就是視頻格式的轉(zhuǎn)換。該類型的軟件現(xiàn)在也比較豐富、完善，功能、兼容性、支持格式、執(zhí)行效率都比較成熟，可以給用戶帶來實(shí)實(shí)在在的便利。以往只能以來CPU進(jìn)行的視頻轉(zhuǎn)碼，現(xiàn)在可以在GPU的協(xié)助下進(jìn)行了，效率自然大大提高。
CUDA的名氣著實(shí)不小，我們也常?？吹絅VIDIA的顯卡在專業(yè)領(lǐng)域打敗Intel高端甚至服務(wù)器CPU的新聞，這給我們一個(gè)概念：同價(jià)格的GPU計(jì)算能力是CPU的數(shù)倍甚至數(shù)十倍。
物理加速性能，GPU是CPU的7倍
NVIDIA與Intel之間關(guān)于GPU與CPU孰強(qiáng)孰弱的爭執(zhí)由來已久，而Intel終于在ISCA大會(huì)上遞交的測試技術(shù)文檔中正式承認(rèn)GPU運(yùn)行測試速度比CPU快14倍。
雖然NVIDIA方面認(rèn)為這是“難能可貴的一天”，但是依然指出Intel測試中采用的GeForce GTX 280是其上一代產(chǎn)品，并且沒有經(jīng)過任何代碼優(yōu)化，而實(shí)際上新一代NVIDIA GPU的運(yùn)行速度是Intel CPU的上百倍。
GPU確實(shí)擁有非?？植赖倪\(yùn)算能力，但是GPU的潛能卻很難被釋放出來。NVIDIA片面強(qiáng)調(diào)GPU的重要性，GPU的理論運(yùn)算能力看上去很美好，但在實(shí)際應(yīng)用中卻沒有吹噓的那么強(qiáng)大。
GPU如果真的強(qiáng)大到可以在任何方面全面代替CPU，那么CPU恐怕早就下崗了。在民用級(jí)別的應(yīng)用上，GPU有多強(qiáng)呢？軟件和硬件的支持和優(yōu)化到了什么程度？我們需要了解一下才能下結(jié)論。
說道CUDA目前在民用領(lǐng)域最廣泛的應(yīng)用--視頻轉(zhuǎn)碼，就不得不提及這款優(yōu)秀的國產(chǎn)視頻轉(zhuǎn)碼軟件--MediaCoder。該軟件是國內(nèi)首款支持CUDA的視頻轉(zhuǎn)碼軟件，完全開源并且永久免費(fèi)的MediaCoder在最新版本當(dāng)中加入了CUDA編碼器。此前MediaCoder所有編碼器都是依靠CPU運(yùn)算，現(xiàn)在能夠與時(shí)俱進(jìn)率先加入GPU加速支持，的確難能可貴，引用MediaCoder開發(fā)人員的話說就是：
“近兩年NVIDIA的CUDA技術(shù)似乎成為業(yè)界新寵，其優(yōu)良的科學(xué)運(yùn)算加速能力確實(shí)首屈一指，引領(lǐng)著并行運(yùn)算潮流，各行業(yè)都紛紛采用它來加速，搞得我們也躍躍欲試，呵呵，另外還有很多網(wǎng)友對(duì)MediaCoder的厚愛，希望在MC上體驗(yàn)一下CUDA加速的快感，于是我們決定了用CUDA加速M(fèi)ediaCoder轉(zhuǎn)碼。
年初我們幾個(gè)開發(fā)人員就開始醞釀著采用CUDA加速H.264編碼，畢竟H.264現(xiàn)在比較火，還是比較有前途。經(jīng)過一段時(shí)間的緊張的開發(fā)，CUDA加速的H.264編碼器終于誕生，讓性能卓越的MediaCoder又添一利器。”
做為一款轉(zhuǎn)碼軟件，MediaCoder的特點(diǎn)包括：支持格式廣泛；硬件優(yōu)化強(qiáng)大，執(zhí)行效率高；參數(shù)、功能設(shè)定調(diào)解豐富，可滿足各種轉(zhuǎn)換需求。其最新版本也支持NVIDIA CUDA加速，并且也推出了一個(gè)專門的CUDA加速版本--MediaCoder NT，和Badaboom類似只支持8系之后推出的N卡。
由于MediaCoder對(duì)于Intel多核多線程CPU支持的非常好，而且也能支持CUDA GPU轉(zhuǎn)碼加速，對(duì)于NVIDIA GPU優(yōu)化支持也非常到位，因此本次測試我們就使用這款大受歡迎的轉(zhuǎn)碼軟件來進(jìn)行測試，看看不同CPU、顯卡之間的性能差異。
這次測試使用了LGA 1156平臺(tái)，為了體現(xiàn)出性能差距，選用了Intel Core i7 870和i3 530兩顆CPU。顯卡則必須是N卡，我們準(zhǔn)備了GTX 480和GT 240以準(zhǔn)備測試。
測試選用了兩段視頻，一段為1920x1080分辨率，時(shí)間較短，碼率較高，轉(zhuǎn)換為960x640分辨率。一段為848x360，碼率相對(duì)較低，但時(shí)間較長，轉(zhuǎn)換為480x320分辨率。這樣的輸出分辨率對(duì)于移動(dòng)設(shè)備來說是比較常見的。也是日常應(yīng)用中較為常見的分辨率，實(shí)際使用意義很高。使用CPU和GPU轉(zhuǎn)碼，采用不同配置時(shí)，轉(zhuǎn)換設(shè)置中除了編碼器之外是完全相同的。
將兩段碼率和長度不同的視頻分別轉(zhuǎn)換。記錄轉(zhuǎn)碼完成時(shí)間，其中CPU使用內(nèi)置的Fast模式，GPU使用CUDA Fastest模式。
首先使用i7 870進(jìn)行測試，顯卡分別使用了GTX 480和GT240。請(qǐng)先看測試結(jié)果。
視頻1：
視頻2：
由測試結(jié)果可以得知，在不同的視頻中，使用GPU加速進(jìn)行轉(zhuǎn)碼都較單純依靠CPU快很多，而使用GPU加速轉(zhuǎn)碼時(shí)，GTX 480和GT240在速度上幾乎沒有區(qū)別。我們通過軟件查看，在使用CPU轉(zhuǎn)碼時(shí)，CPU使用率在80%以上，大部分時(shí)間甚至在100%，而GPU轉(zhuǎn)碼時(shí)CPU使用率只有不足50%，顯卡使用率也只有10%左右。在日常轉(zhuǎn)碼中，GPU的利用率并不很高，并不需要很強(qiáng)勁的顯卡。
接下來我們改用雙核CPUi3 530。依舊搭配GTX 480和GT240
視頻1：
視頻2：
在更換了雙核CPU后，轉(zhuǎn)碼時(shí)間增加。由于不同顯卡做CUDA加速的效果是一樣的，可以推定不同CPU對(duì)GPU轉(zhuǎn)碼加速也沒有什么影響。相比之下，當(dāng)CPU不是很強(qiáng)時(shí)，GPU加速提升的幅度就比較客觀了。
本來在測試之前是準(zhǔn)備了GTX 480、GTX 460、GTS 250和GT 240四塊不同檔次的N卡，但是在進(jìn)行了GTX 480和GT 240的測試之后發(fā)現(xiàn)，GPU轉(zhuǎn)碼時(shí)負(fù)載率不高，兩塊性能差異最大的顯卡速度也沒有區(qū)別，于是放棄了對(duì)其他中檔顯卡進(jìn)行測試。
CUDA GPU加速確實(shí)可以讓原本純CPU計(jì)算的軟件快上很多，視頻轉(zhuǎn)碼速度可以提升30%—100%之多。但是目前的CUDA編碼器似乎并不需要GPU擁有很強(qiáng)的性能，96SP的GT240顯卡就足以勝任，更高級(jí)別的顯卡不會(huì)然轉(zhuǎn)碼速度進(jìn)一步提升。
純CPU編碼顯然要比CPU+GPU編碼慢上很多，但不可否認(rèn)的是，CPU在視頻轉(zhuǎn)碼過程中依然起到主導(dǎo)作用，當(dāng)我們把CPU從雙核升級(jí)成四核時(shí)，速度幾乎提升了一倍以上！也就是說，不管有沒有GPU輔助，CPU本身的實(shí)力都可以得到完全的釋放，更強(qiáng)的CPU顯然能夠大大加快視頻轉(zhuǎn)碼。
我們的結(jié)論就是，目前CUDA在轉(zhuǎn)碼應(yīng)用中，如果你有一塊N卡，那么便可以免費(fèi)獲得額外的轉(zhuǎn)碼性能提升，但只要一塊中低端顯卡就足以勝任CUDA的需求了，目前民用的CUDA軟件尚不能完全發(fā)揮出高端顯卡的計(jì)算能力。目前來看，在轉(zhuǎn)碼應(yīng)用中，CUDA可以帶來一定程度的提升，但是CPU依然比GPU更重要。一款四核CPU搭配GT240級(jí)別的中低端顯卡，可以達(dá)到最快的視頻轉(zhuǎn)碼速度。■<
關(guān)注我們
